数理・データサイエンス・AI教育プログラム

名古屋大学における数理・データ科学・AI教育

名古屋大学数理・データ科学・人工知能教育研究センターは、学部・研究科等と連携して、数理・データ科学・AI分野の人材育成を推進しています。各レベルの講義群がシームレスに展開するよう、数理・データ科学・AI教育の基本ポリシーとスキルレベルを設定し、教養教育レベルから大学院レベルまで、様々な教育プログラムを実施しています。

数理・データ科学教育の基本ポリシーとスキルレベル

4領域3レベルの数理・データ科学教育の基本ポリシーとスキルレベル

実施体制

数理・データ科学・人工知能教育研究センターが中心となり、様々な部局と連携し、名古屋大学における数理・データ科学・AI教育を推進しています。

数理・データサイエンス・ＡＩ教育プログラム認定

リテラシーレベル認定

（認定の有効期限：令和9年3月31日まで）

応用基礎レベル認定

（認定の有効期限：令和10年3月31日まで）
本プログラムを構成する科目の教材の一部を公開しています。ご活用ください。
数理・データサイエンス・ＡＩ教育プログラムの教材について
‍

デジタル修了証（オープンバッジ）

数理・データ科学・人工知能教育研究センターでは令和6年3月より、下記教育プログラムの修了要件を満たした方（※）にオープンバッジを発行します。※バッジ発行時点での非在籍者を除く
  • 数理・データサイエンス・AIリテラシー教育プログラム
  • 数理・データサイエンス・AI応用基礎教育プログラム
  • 実践データサイエンティスト育成プログラム
  • モビリティ分野における実践DX人材育成リカレント教育プログラム
  • データ科学発展
オープンバッジは世界共通の国際技術標準であるオープンバッジ規格に則ったデジタル証明⽅法で、ブロックチェーン技術の活⽤により偽造・改ざんを不可能にした信頼性の⾼い証明⽅法です。学修成果である知識・スキル・経験等を証明する⽅法として、欧⽶を中⼼に⼤学等の教育機関・資格認定団体・グローバルIT企業などで普及が進んでいます。
バッジの発行時期はプログラムにより異なります。詳細については、発行対象者の皆様に別途ご案内します。具体的なオープンバッジ受領方法は下記からご確認いただけます。
オープンバッジ発行から受領完了までの流れ
（留意点）
  • 「数理・データサイエンス・AIリテラシー教育プログラム」「数理・データサイエンス・AI応用基礎プログラム」「データ科学発展」については、機構アカウント（THERSアカウント）宛にバッジを発行しますが、卒業後は機構アカウントが使用できなくなる為、バッジ受領後は各自、ウォレットより個人メールアドレスの追加を行ってください。
  • 過去に別の発行団体からオープンバッジを受領し、(株)LecoS社のウォレットを開設している場合は、必ず受領手続きを行う前に、開設済みのウォレットアカウントにログインし、メールアドレスとしてご自身の機構アカウント（ab.12c.3456@x.thers.ac.jp形式）を追加してから、受領手続きを行ってください。
（その他）
‍オープンバッジについて（一般財団法人オープンバッジ・ネットワーク）
「Open BadgeWalletヘルプとサポート」（株式会社LecoS）

教養教育レベル

目的

数理・データ科学の素養を広範に学び、数理的思考及び情報処理の基礎力を養います。社会の様々な場面で新しい価値を生み出す基盤となるデータ分析能力を身につけるために、その基礎的知識と汎用的な分析技能を獲得します。

実施体制

数理・データ科学・人工知能教育研究センターが中心となり、教養教育院等との連携のもと、教養教育レベルの科目群を開講しています。

開設科目

2022年度以降入学生

科目名 概要
データ科学基礎 データ分析能力を身につけるうえで、最も重要な基礎的知識を習得するための科目。全学生必修。
データ科学基礎演習A 講義において習得した知識を基に受講生自身がプログラミングや計算機ツール等によるデータ分析の基礎的技能を習得するための科目。Excel、Rを使用。
データ科学基礎演習B 講義において習得した知識を基に受講生自身がプログラミングや計算機ツール等によるデータ分析の基礎的技能を習得するための科目。Pythonを使用。

2021年度以前入学生（文系）

科目名 概要
情報リテラシー（文系） 情報社会で活躍するために必要な、情報倫理、情報に関する法律、情報技術、情報理論についての基礎的な知識を身につける。
情報メディアとコミュニケーション 進化する情報通信及びメディアが人と社会にどのような影響を与えているのかを最新動向を含めて考える。また、基本的なスライド作成などを通して、表現能力とコミュニケーション能力を身につける。
図情報とコンピュータ Excelによるデータ分析と数式処理ソフトウェアを利用して、グラフィックス、アニメーション、作曲を行う方法について学習し、総合的な判断力と思考力を培う。

2021年度以前入学生（理系）

科目名 概要
情報リテラシー（理系） 大学の授業で必要となるコンピュータ利用とインターネット利用の基礎を学び、情報検索、文書作成、情報分析、プレゼンテーション、情報発信において必要となる知識や考慮すべきことを習得するとともに、データ科学に関連するプログラミングの初歩的なスキルを習得する。
情報科学入門 確率統計入門、情報理論とその応用、パターン情報処理とその応用を中心に、情報処理、情報科学などに関する基礎的知識を習得する。
図情報とコンピュータ Excelによるデータ分析と数式処理ソフトウェアを利用して、グラフィックス、アニメーション、作曲を行う方法について学習し、総合的な判断力と思考力を培う。
授業内容・授業方法の詳細は以下のページをご参照ください。

数理・データサイエンス・AI教育プログラム（リテラシーレベル）

教養教育レベルの開講科目は、文部科学省の数理・データサイエンス・ＡＩ教育プログラム（リテラシーレベル）に認定されました。プログラムの修了要件は以下の通りです。
入学区分 修了要件
2022年度以降入学生 「データ科学基礎」1単位を取得すること。
2021年度以前入学生（文系） 「情報リテラシー（文系）」2単位、「情報メディアとコミュニケーション」2単位、「図情報とコンピュータ」2単位の合計6単位を取得すること。
2021年度以前入学生（理系） 「情報リテラシー（理系）」2単位、「情報科学入門」2単位の合計4単位を取得すること。

自己点検・評価

数理・データ科学・人工知能教育研究センター教育専門委員会において、教育プログラムの自己点検・評価を実施しています。
令和3年度自己点検・評価結果
令和4年度自己点検・評価結果
令和5年度自己点検・評価結果
令和6年度自己点検・評価結果

学部専門レベル

目的

学部専門に応じて必要な数理・データ科学の知識及びスキルを習得し、データ活用力を養います。

数理・データサイエンス・AI応用基礎教育プログラム（応用基礎レベル）

また，大学等単位のプログラムとして、文部科学省の数理・データサイエンス・ＡＩ教育プログラム（応用基礎レベル）に認定されました。

身につけることのできる能力

自らの専門分野において、数理・データサイエンス・ＡＩを活用して課題を解決するための実践的な能力を育成する。

修了要件

学部 データ科学基礎 データ科学演習A データ科学演習B インフォマティクス1 インフォマティクス2 インフォマティクス3 データマイニング入門 情報学演習
文学部
(2024年度以前入学者)		 必修 選択
文学部
(2025年度以降入学者)		 必修 必修 (選択)
本プログラムの修了要件に含まない
教育学部
経済学部		 必修 必修
法学部 選択必修 選択必修
情報学部 （必修）
本プログラムの修了要件には含まない		 必修 必修 必修 必修
理学部
工学部		 必修 必修
医学部 必修 選択必修
医学科の学生は演習B必修
農学部 必修 選択必修
生物系プログラム以外の学生は演習B必修

開設科目

科目名 概要
データ科学基礎 データ分析能力を身につけるうえで、最も重要な基礎的知識を習得するための科目。全学生必修。
データ科学基礎演習A 講義において習得した知識を基に受講生自身がプログラミングや計算機ツール等によるデータ分析の基礎的技能を習得するための科目。Excel、Rを使用。
データ科学基礎演習B 講義において習得した知識を基に受講生自身がプログラミングや計算機ツール等によるデータ分析の基礎的技能を習得するための科目。Pythonを使用。

情報学部開設科目

科目名 概要
インフォマティックス１ 情報学の入門として、情報システムを実現するために必要となるさまざまな情報処理技術について俯瞰的に学ぶ。情報システム、計算機の仕組みおよびプログラミングについて学んだ後に、ネットワーク、データベース（Web）、オートマトン・形式言語について、基礎となる理論と具体的な処理方法を学ぶ。
インフォマティックス２ 情報を扱う人間と社会に関する理解のために、情報化によって人間自身、人間相互、社会がどのように変化したかについての知識を身につける。哲学・倫理学、美学・芸術学、心理学・認知科学、メディア研究、情報社会デザイン、複雑系科学のそれぞれから論じる。
インフォマティックス３ 高度な知能システムを実現するために必要となるさまざまな情報処理技術について俯瞰的に学ぶ。マルチメディアシステムや人工知能など知能システムの仕組みについて理解するとともに、技術応用・展開の観点から、機械学習、信号処理、画像処理、自然言語処理等について、理論と処理方法の基礎的内容を学修する。
データマイニング入門 データ分析のための基本技術である、線形回帰・自己回帰などを用いた回帰分析、データ間の線形な関係性を見る相関分析と検定、説明変数の主成分分析、すでにどちらに含まれているかが明らかなデータを元に新しいデータを分類する判別分析、クラスタリング、決定木、ニューラルネットワークなどについて理論を簡単に紹介した後、R言語を用いて分析の実習を行う。

文学部開設科目

科目名 概要
情報学演習 プログラミング言語Pythonの基礎を習得し、コンピュータを使った文字処理の基礎を学ぶことを通じて、どのようにコンピュータがことばをあつかうかを理解する。

授業の方法・内容・実施体制

自己点検・評価

数理・データ科学・人工知能教育研究センター教育専門委員会において、教育プログラムの自己点検・評価を実施しています。
令和4年度自己点検・評価結果
令和5年度自己点検・評価結果
令和6年度自己点検・評価結果

名古屋大学情報学部数理・データサイエンス・AI教育プログラム（応用基礎レベル）

以下の学部では、文部科学省の数理・データサイエンス・ＡＩ教育プログラム（応用基礎レベル）に認定されました。

データ科学発展

データ科学基礎で学んだ内容を補完的・発展的に学び、自らの専門分野において、データから意味を抽出し、研究等に活かすための手法を理解できるよう、以下の自習用教材を公開しています。（学内限定）

教材一覧

  • データ科学発展A：データサイエンス・機械学習の基盤（全12回）
  • データ科学発展B：【公開準備中】データサイエンス・機械学習の実践
  • データ科学発展C：【公開準備中】発展的な機械学習法
  • データ科学発展D：【公開準備中】深層学習

受講方法

  1. 講義サイトに参加
    TACTトップページ（https://tact.ac.thers.ac.jp/portal）>  Login > メンバーシップ > タブ「参加可能な講義サイト」 > データ科学発展A/B/C/D　に「参加」
  2. 「お知らせ」の受講案内メッセージにしたがい受講

注意事項

  1. 内容が重複するため、工学部機械・航空宇宙工学科の学生は、本動画講義でなく、以下の科目を受講してください。
    　2024年度以降に入学した学生：2年春学期開講の「機械学習及びデータ分析演習」
    　2023年度に入学した学生　　：3年春学期開講の「機械学習」, 「データサイエンス」
    　2022年度以前に入学した学生：3年春学期開講の「数値解析法」, 「動的システム論」
  2. 内容に関する質問対応は行いません。

大学院レベル

目的

各専門分野の研究に必要な高次の数理・データ科学の知識及びスキルを習得し、課題解決力を養います。

実践データサイエンティスト育成プログラム

企業などから提供されるデータを⽤いて、実社会の課題をグループワークで解決する「実世界データ演習」を実施しています。また、実世界データ演習の取組に必要な能⼒を養うための講義科⽬を開講しています。詳しくは、以下のページを御覧ください。
実践データサイエンティスト育成プログラム
Copyright © 2019- NAGOYA UNIVERSITY.  
All rights reserved.